Dari Pilot ke Skala: Bagaimana Smarsh Meraih Tingkat Resolusi 60% dengan Salesforce Agentforce

Ketika pemimpin teknologi kepatuhan Smarsh berupaya mentransformasi pengalaman pelanggannya, mereka tidak sekadar menerapkan chatbot. Mereka membangun ekosistem AI multi‑agen yang kini menyelesaikan 60% pertanyaan pelanggan secara otonom, dan melakukannya sambil merancang ulang ekonomi dukungan. Bagi para pemimpin dukungan yang mengamati dari pinggir lapangan, kisah Smarsh menawarkan cetak biru langka yang berbasis metrik untuk menskalakan AI tanpa menguras anggaran atau mengasingkan pelanggan.

Dalam pembahasan mendalam ini, kita akan mengupas kemitraan Smarsh‑Agentforce, membedah model harga $2/percakapan, dan mengekstrak kerangka kerja yang dibutuhkan tim Anda untuk mereplikasi kesuksesan ini. Baik Anda menjalankan tim dukungan SaaS yang ramping atau pusat kontak B2B dengan 500 kursi, pelajaran di sini akan membantu Anda membangun kasus bisnis yang akan disukai CFO Anda.

Kisah Sukses Smarsh: Hasil Nyata dengan Dukungan Bertenaga AI

Smarsh, pemimpin dalam kepatuhan komunikasi digital, memahami bahwa kompleksitas regulasi tidak pernah tidur. Kliennya—bank, pialang‑dealer, dan lembaga pemerintah—menuntut jawaban cepat dan akurat atas pertanyaan tentang e‑discovery, kebijakan retensi, dan 3.000+ sumber data. Tim dukungan tier‑1 tradisional kewalahan dengan volume, sementara keahlian yang dibutuhkan untuk masalah tier‑2 dan tier‑3 membuat penambahan staf menjadi sangat mahal.

Masuklah Salesforce Agentforce, Einstein GPT, dan peluncuran bertahap yang disengaja. Smarsh tidak sekadar mengaktifkan kopilot AI; mereka merancang secara khusus agen otonom terspesialisasi yang mencerminkan cara tim manusia mereka bekerja. Seperti yang dijelaskan Patterson, arsitek kunci strategi ini, kuncinya bukanlah satu bot serba guna, melainkan serangkaian agen yang dibangun untuk tujuan khusus yang dapat memahami konteks, mengambil dari basis pengetahuan, dan bahkan saling mengalihkan tanpa campur tangan manusia.

"Kami membedakan agen terspesialisasi dari platform orkestrasi Salesforce yang lebih luas. Fin adalah agen yang berfokus pada layanan pelanggan, sementara Qualified's Piper adalah agen pemasaran yang dirancang untuk memenuhi syarat pengunjung situs web dan menjadwalkan pertemuan penjualan. Masing‑masing memainkan peran berbeda dalam perjalanan terpadu kami."

Hasilnya langsung terlihat dan terukur. Dalam tiga bulan, Agentforce menangani ribuan percakapan, mengalihkan tiket rutin, dan menyajikan jawaban dari grafik pengetahuan kepemilikan Smarsh. Kepuasan pelanggan tidak turun—naik 12 poin—karena waktu respons berubah dari jam menjadi detik dan jawaban menjadi lebih konsisten.

Ekonomi Agen AI: Memahami Harga $2/Percakapan

Salesforce telah membuat harga Agentforce sangat transparan: $2 per percakapan otonom yang selesai. Namun matematika sederhana mengungkapkan mengapa tim keuangan perlu melihat melampaui label harga per percakapan.

Menghitung Biaya Dukungan AI yang Sebenarnya

Mari kita asumsikan kasus penggunaan Smarsh: pada 10.000 percakapan bulanan dengan tingkat resolusi 60%, berikut gambaran biayanya.

Pada $2 per percakapan, lapisan AI saja menghabiskan biaya $20.000 per bulan untuk 10.000 percakapan, sebelum biaya lisensi Salesforce apa pun. Namun jika dibandingkan dengan $60.000+ yang dihabiskan untuk penanganan manual penuh, penghematan bersih melebihi 40%. Dan itu belum memperhitungkan peningkatan pengalaman pelanggan: jawaban lebih cepat, ketersediaan 24/7, dan tanpa frustrasi antrean.

Untuk pandangan yang lebih terperinci, lihat biaya per percakapan yang terselesaikan. Hanya 6.000 dari 10.000 percakapan yang mendapatkan resolusi AI murni, sehingga biaya efektif per interaksi yang diselesaikan AI adalah $2. Sementara itu, 4.000 yang meningkat ke manusia masih membutuhkan biaya $6–$8 masing‑masing. Biaya campuran per interaksi yang terselesaikan menjadi sekitar $3,67, masih sebagian kecil dari rata‑rata $7 sebelum AI.

Membangun Tumpukan Dukungan AI yang Skalabel: Pelajaran untuk Perusahaan B2B SaaS

Kesuksesan Smarsh bukanlah sihir. Itu dibangun di atas pilihan desain yang disengaja yang dapat diadopsi oleh pemimpin operasi dukungan mana pun.

Spesialisasi mengalahkan generalisasi

Alih‑alih melatih satu model yang terlalu besar, Smarsh menerapkan agen terspesialisasi—Fin untuk dukungan pelanggan, Piper untuk kualifikasi pemasaran. Ini memungkinkan setiap agen menguasai domain yang sempit, mengurangi halusinasi dan meningkatkan penahanan.

• Finberada di dalam konsol dukungan, membaca tiket, mencari artikel pengetahuan, dan menyarankan atau melengkapi respons secara otomatis. Ia memahami terminologi kepatuhan dan bahkan dapat menavigasi kompleksitas regulasi keuangan. -Piperberada di situs web, mengidentifikasi pengunjung berniat tinggi, menjawab pertanyaan pra‑penjualan, dan menjadwalkan pertemuan langsung ke kalender perwakilan penjualan. Ia berbicara dalam bahasa kasus penggunaan dan pembeda produk.

Integrasi ketat dengan basis pengetahuan adalah harga mati

Agentforce tidak bekerja langsung tanpa basis pengetahuan yang bersih, terstruktur, dan komprehensif. Smarsh menginvestasikan waktu berbulan‑bulan untuk memetakan 10.000+ artikel bantuan, panduan pemecahan masalah, dan dokumen kebijakan ke dalam fondasi pengetahuan berbasis grafik. Hasilnya? AI dapat dengan percaya diri menjawab 80% pertanyaan yang sebelumnya membutuhkan insinyur level‑2.

Peluncuran bertahap dengan cadangan manusia dalam lingkaran

Smarsh memulai Agentforce dalam "mode saran" di mana agen manusia menyetujui setiap respons AI. Setelah dua bulan pembelajaran yang diawasi dan pelatihan ulang, mereka beralih ke mode otonom untuk topik dengan kepercayaan tinggi. Bahkan saat ini, percakapan apa pun yang turun di bawah ambang kepercayaan 90% langsung dialihkan ke manusia dengan konteks lengkap—model yang menjaga kepercayaan pelanggan tetap utuh.

"Kami tidak mengganti tim dukungan kami; kami memberi mereka kopilot yang menangani rutinitas sehingga mereka dapat fokus pada yang kompleks. Itulah masa depan dukungan B2B." — Pimpinan operasi dukungan Smarsh

Mengukur Dampak: Metrik yang Penting untuk Dukungan Berbasis AI

Jika Anda membangun kasus bisnis untuk agen AI, CFO Anda akan mengajukan tiga pertanyaan: Berapa banyak yang kita hemat? Seberapa besar pengalaman meningkat? Dan bagaimana kita mengukur kesuksesan berkelanjutan?

Berikut kerangka kerja KPI yang terinspirasi dari Smarsh yang harus Anda adopsi.

1.Tingkat penahanan(juga disebut tingkat resolusi): Persentase percakapan yang sepenuhnya diselesaikan oleh AI tanpa sentuhan manusia. Smarsh menargetkan >55%; 60% awal melampaui ekspektasi. 2.Biaya per tiket (CPT): Sebelum AI, CPT campuran Smarsh berkisar sekitar $7. Setelah AI, turun menjadi $3,67. Lacak ini setiap bulan untuk memastikan investasi AI membuahkan hasil. 3. Waktu rata‑rata untuk resolusi (MTTR): Dari 12+ menit menjadi di bawah 2 menit untuk 60% percakapan—peningkatan 6x lipat yang secara langsung meningkatkan CSAT. 4. Produktivitas agen: Dengan AI menangani tier‑1, agen kini menyelesaikan 40% lebih banyak tiket kompleks per shift, dan tingkat eskalasi turun 35%.

Efek Pengganda ROI

Dampak finansial tidak linear. Mengalihkan 6.000 percakapan per bulan tidak hanya menghemat $36.000 dalam tenaga kerja—tetapi juga mencegah kebutuhan merekrut agen tambahan seiring pertumbuhan volume. Smarsh, misalnya, menyerap peningkatan volume dukungan 25% selama enam bulan tanpa menambah satu pun kepala. Itulah skalabilitas yang membuat CFO SaaS duduk dan mendengarkan.

Model Kolaborasi Manusia‑AI: Bagaimana Smarsh Memberdayakan AgenSalah satu mitos terbesar tentang AI dalam dukungan adalah bahwa AI menghilangkan pekerjaan. Kisah Smarsh membuktikan sebaliknya. Dengan mengotomatiskan tugas-tugas repetitif seperti reset kata sandi, pertanyaan "bagaimana cara menemukan laporan saya?", dan pemecahan masalah dasar, AI membuat pekerjaan manusia yang tersisa menjadi lebih menarik.

Dari Penerima Tiket Menjadi Pemecah Masalah

Sebelum Agentforce, agen tingkat-1 Smarsh menghabiskan 70% waktu mereka untuk tugas-tugas yang tidak memerlukan penilaian manusia. Setelah AI mengambil alih percakapan tersebut, agen yang sama ditingkatkan keterampilannya untuk menangani interpretasi kepatuhan yang kompleks, konfigurasi akun, dan bahkan penjangkauan kesehatan pelanggan secara proaktif. Skor kepuasan agen meningkat, dan tingkat pergantian karyawan turun 22%.

Orkestrasi AI Lintas Fungsi

Penggunaan Fin dan Piper oleh Smarsh menunjukkan kekuatan kolaborasi AI lintas departemen. Pengunjung yang memulai obrolan di situs web dapat dikualifikasikan oleh Piper, dialihkan dengan mulus ke Fin untuk pertanyaan dukungan tentang integrasi potensial, dan kemudian diarahkan ke perwakilan penjualan, semua tanpa pelanggan harus mengulangi satu detail pun. Orkestrasi inilah yang menjadi tempat keajaiban CX yang sesungguhnya.

Bagi perusahaan yang dibangun di atas Salesforce, ini adalah keuntungan alami. Namun, meskipun tumpukan teknologi Anda berbeda, prinsipnya tetap berlaku: agen AI harus berbagi konteks di seluruh perjalanan pelanggan, tidak hidup dalam silo.

Melampaui Salesforce: Mempersiapkan Dukungan Anda untuk Masa Depan dengan Lapisan AI

Agentforce sangat kuat, tetapi bukan satu-satunya jalan. Banyak perusahaan SaaS berjalan di Intercom, Zendesk, atau platform dukungan buatan sendiri, dan mereka membutuhkan AI yang dapat terintegrasi tanpa perlu mengganti sistem yang ada. Di sinilah lapisan otomatisasi dukungan AI khusus dapat menjadi pengubah permainan.

Solusi yang agnostik terhadap platform seperti Successly memungkinkan Anda membangun agen AI khusus yang berada di atas sistem tiket, basis pengetahuan, dan CRM yang sudah ada. Anda dapat mereplikasi model agen khusus Smarsh dengan kemampuan seperti Fin, tetapi tanpa terkunci dalam ekosistem satu vendor. Dan Anda dapat memulai dengan harga bergaya $2 yang diskalakan sesuai dengan volume percakapan aktual Anda.

Successly, misalnya, memberikan pengalihan tiket sebesar 43% dalam 30 hari pertama penerapan dengan melatih dokumen bantuan dan percakapan masa lalu Anda yang sudah ada, hasil yang secara langsung mencerminkan lintasan Smarsh tanpa siklus implementasi Salesforce selama berbulan-bulan.

Daftar Periksa untuk Memilih Mitra Dukungan AI

• Jaminan tingkat resolusi: Apakah vendor berkomitmen pada persentase penahanan tertentu dalam 90 hari?
• Kedalaman integrasi: Dapatkah AI melihat kontak CRM, riwayat tiket, dan basis pengetahuan Anda?
• Pengalihan ke manusia: Apakah jalur eskalasi mulus, dengan konteks percakapan lengkap yang diteruskan ke agen?
• Keamanan & kepatuhan: Untuk industri yang diatur seperti Smarsh, dapatkah AI memenuhi persyaratan SOC 2, HIPAA, atau GDPR?
• Transparansi harga: Apakah benar-benar per percakapan, atau ada biaya platform tersembunyi?

Memulai: Kerangka Kerja 90 Hari untuk Otomatisasi Dukungan AI

Terinspirasi oleh buku panduan Smarsh, berikut adalah peta jalan bertahap yang dapat Anda sesuaikan dengan lingkungan Anda sendiri.

Hari 1–30: Nilai & Persiapkan

• Audit jenis tiket Anda yang paling umum. Targetkan 20–30 kategori yang mencakup 60% volume.
• Bersihkan dan strukturkan basis pengetahuan Anda. Isi celah di mana AI akan kesulitan.
• Uji coba satu agen khusus untuk satu topik dengan volume tinggi (misalnya, pertanyaan penagihan).

Hari 31–60: Peluncuran dengan Pengawasan

• Terapkan agen dalam mode saran dengan persetujuan manusia yang diperlukan.
• Tetapkan ambang kepercayaan pada 95% untuk respons otonom; petakan jalur eskalasi.
• Pantau tingkat penahanan, CSAT, dan pengalihan setiap hari. Latih ulang setiap minggu.

Hari 61–90: Skalakan & Perluas

• Transisikan ke mode otonom untuk topik awal ketika penahanan melebihi 50%.
• Tambahkan agen kedua untuk area terkait (misalnya, bantuan orientasi).
• Integrasikan dengan CRM dan otomatisasi pemasaran untuk memungkinkan pengalihan lintas fungsi seperti Piper.

Kesimpulan: Dividen Dukungan AI Itu Nyata

Perjalanan Smarsh dengan Agentforce bukanlah suatu keanehan, ini adalah tolok ukur baru. Tingkat resolusi 60%, penurunan eskalasi sebesar 35%, dan pengurangan dramatis dalam biaya per percakapan menandakan bahwa kita telah melewati ambang batas: agen dukungan AI tidak hanya bersifat eksperimental; mereka adalah investasi yang disetujui CFO.

Tim Anda dapat mencapai hal yang sama. Mulailah dengan satu agen khusus, fokuslah pada basis pengetahuan Anda, dan hitung berapa biaya 10.000 percakapan bagi Anda dengan harga $2 per percakapan. Matematikanya kemungkinan lebih menarik dari yang Anda kira.

Dan jika Anda ingin mempercepat perjalanan itu tanpa terkunci dalam satu CRM, Successly menawarkan lapisan dukungan AI yang diterapkan dalam hitungan hari, belajar dari konten Anda yang sudah ada, dan memberikan pengalihan tiket 43% sejak bulan pertama. Masa depan dukungan bukanlah tentang menggantikan manusia, tetapi tentang membekali mereka dengan AI yang bekerja sekeras mereka.